El plan de estudios se organiza en cuatro módulos temáticos que se desarrollan de manera progresiva a lo largo de los dos semestres, combinando la formación técnica en ciencia de datos con una sólida base en micro-econometría y macro-econometría, además de un espacio de especialización aplicada. Esta estructura asegura que el estudiante adquiera competencias transversales y, al mismo tiempo, profundice en herramientas avanzadas de análisis social y económico. Cada asignatura cuenta con 45 horas de clase (6 ECTS), implicando un total de 360 horas de clase, y un Trabajo Fin de Máster (TFM) con una duración de 12 ECTS.

Módulo	1er semestre	2º semestre	ECTS
Fundamentos	Gestión de datos y visualización en R	Análisis aplicado de microdatos	12
Micro-econometría	Micro-econometría I: Sección cruzada	Micro-econometría II: Panel y evaluación de impacto	12
Macro-econometría	Macro-econometría I: Modelos uniecuacionales	Macro-econometría II: Modelos multiecuacionales	12
Especialización	Input-Output	Talleres específicos	12
	Trabajo Final de Máster (TFM)		12

 

Módulo I: Fundamentos (12 ECTS)

Descripción:

En el módulo 1 de Fundamentos de programación, el primer semestre se centra en el uso de R para proporcionar al estudiante las bases instrumentales imprescindibles para abordar el resto del programa: gestión y preparación de datos, trabajo con microdatos estadísticos y dominio de los entornos de programación y análisis más utilizados en el análisis económico aplicado el manejo de datos y su visualización, proporcionando al alumnado habilidades para explorar, limpiar y representar información de manera efectiva.  En el segundo semestre, este conocimiento se aplica al análisis de microdatos, con énfasis en la explotación de encuestas y registros administrativos, lo que refuerza la capacidad de vincular técnicas estadísticas con la investigación social aplicada.

Contenidos:

• Introducción a la gestión de datos en Economía
• Gestión, depuración y visualización de datos en R
• Trabajo con microdatos: encuestas del INE y otras fuentes estadísticas
• Flujos de trabajo reproducibles: R Markdown / Quarto

 Resultados de aprendizaje

• Manejar de forma autónoma bases de datos económicas y estadísticas.
• Implementar análisis básicos de forma reproducible en entornos de programación.
• Documentar y comunicar resultados analíticos de manera estructurada.

 

Módulo II: Técnicas de micro-econometría (12 ECTS)

Descripción:

El módulo 2 de Micro-econometría introduce en el primer semestre el estudio de datos de sección cruzada, variables discretas y métodos mixtos, así como de estudios experimentales, consolidando las bases para el análisis causal de fenómenos sociales y económicos. En el segundo semestre, la atención se dirige a los datos de panel y a la evaluación de impacto, herramientas fundamentales para valorar políticas públicas, programas sociales y estrategias empresariales desde un enfoque empírico riguroso. Por todo ello, el módulo aborda las principales técnicas econométricas aplicadas al análisis del comportamiento económico individual y grupal, con especial énfasis en la identificación de relaciones causales a partir de datos individuales.

Contenidos

• Métodos de variable discreta: modelos logit, probit y multinomiales
• Métodos mixtos: modelos de regresión con endogeneidad
• Datos de panel: efectos fijos, efectos aleatorios y estimadores de GMM
• Métodos de evaluación de políticas: diferencias en diferencias, regresión discontinua y variables instrumentales
• Métodos de descomposición (Oaxaca-Blinder y extensiones)

 Resultados de aprendizaje

• Modelizar el comportamiento económico de individuos, hogares y empresas.
• Identificar y estimar efectos causales en entornos observacionales.
• Aplicar métodos de evaluación de impacto de políticas públicas.

 

Módulo III: Técnicas de macro-econometría (12 ECTS)

Descripción

El módulo 3 de Macro-econometría se inicia con la modelización de series temporales, donde se abordan técnicas para analizar patrones de dinámicas económicas y sociales, así como realizar predicciones a futuro. El segundo semestre introduce modelos más complejos, con múltiples ecuaciones, como los Vectores Autorregresivos (VAR) y las técnicas de proyecciones locales (local projections), que permiten estudiar interdependencias y efectos de políticas o choques externos en un contexto macroeconómico. En conjunto, este módulo proporciona las herramientas para el análisis de la dinámica macroeconómica: desde los modelos univariantes de series temporales hasta los sistemas multivariantes de ecuaciones simultáneas, incluyendo técnicas de simulación de escenarios.

Contenidos

• Modelos uniecuacionales de series temporales: ARIMA y extensiones
• Modelos de sistemas de ecuaciones: cointegración y corrección de error (VEC)
• Modelos VAR y Local Projections para el análisis de choques macroeconómicos
• Sistemas dinámicos en economía: equilibrios, ciclos y análisis de estabilidad

Resultados de aprendizaje

• Analizar las dinámicas temporales de variables macroeconómicas.
• Estimar e interpretar modelos de sistemas de ecuaciones.
• Simular escenarios y evaluar su impacto sobre variables económicas clave.

 

Módulo IV: Especialización (12 ECTS)

Descripción

En cuarto lugar, el módulo 4 de Especialización ofrece en el primer semestre una formación en modelos Input-Output, esenciales para comprender la interrelación sectorial y las cadenas de valor en la economía.  En el segundo semestre, los estudiantes participan en talleres específicos, diseñados para profundizar en aplicaciones prácticas de la ciencia de datos y la econometría, dotándolos de una visión aplicada y orientada al entorno académico y/o profesional.

En concreto, se incluye un módulo de Machine Learning que introduce a los participantes en algunas de las técnicas más utilizadas en el campo del aprendizaje automático. Se estudiarán las redes neuronales, especialmente útiles para problemas complejos de predicción y clasificación; los árboles de decisión, que permiten construir modelos interpretables y fáciles de visualizar; y los bosques aleatorios, una técnica que mejora la precisión al combinar múltiples árboles. El objetivo es ofrecer una comprensión práctica de estas herramientas y su aplicación en el análisis de datos sociales y económicos.

Adicionalmente, se incluye una sección donde se abordarán fuentes de datos sobre desigualdad económica y de medición del bienestar de las poblaciones. Se revisarán indicadores clave, como desigualdad, pobreza y movilidad social, que permiten diseñar políticas públicas más efectivas.

Finalmente, se ofrece una introducción a las técnicas estadísticas y de econometría espacial, que permiten analizar cómo las características de un territorio influyen en variables como el empleo, el ingreso o el acceso a servicios. La finalidad es dotar al participante de un conjunto de métodos para analizar la realidad con un enfoque territorial.

Contenidos

• Introducción al Machine Learning
• Redes neuronales, árboles de decisión y bosques aleatorios
• Introducción a las tablas input-output: estructura y lectura económica
• Sectores verticalmente integrados y análisis de cadenas de valor
• Modelos multiregionales e interregionales (MRIO)
• Análisis input-output en economía ecológica: tablas de emisiones y recursos
• Indicadores de estado del bienestar: construcción y comparación internacional
• Medición de la desigualdad: índices de Gini, Theil y curvas de Lorenz
• Estadística y Econometría espacial

 

Resultados de aprendizaje

• Conocer los algoritmos más utilizados en Machine Learning
• Aplicar técnicas avanzadas de análisis estructural y sectorial a economías reales.
• Construir y utilizar tablas input-output para evaluar impactos económicos.
• Medir y analizar la desigualdad y el bienestar con indicadores cuantitativos.
• Combinar metodologías cuantitativas y cualitativas en investigación económica aplicada.
• Incorporar la dimensión espacial en el análisis económico.